Wybór psychologa lub psychoterapeuty często przypomina dziś przeglądanie katalogu. Pacjent zaznacza problem - depresję, lęk, traumę czy trudności w relacjach - wybiera preferowany nurt, płeć terapeuty, język i dogodny termin, a następnie podejmuje decyzję na podstawie krótkiego opisu. Tymczasem dwóch specjalistów o niemal identycznym wykształceniu i deklarowanych specjalizacjach może osiągać różne rezultaty u podobnych pacjentów. Coraz większe zbiory danych z psychoterapii pozwalają więc zadać inne pytanie: zamiast pytać wyłącznie „czy terapeuta zajmuje się depresją?”, można sprawdzić, jak radzili sobie jego wcześniejsi pacjenci z podobnymi problemami i czy zwykle pozostawali w terapii. Duże badanie opublikowane w 2026 roku pokazuje, że taki sposób dopasowania może dawać niewielką, ale konsekwentną przewagę nad samodzielnym wyborem terapeuty. Nie chodzi jednak o algorytm, który zna „idealnego psychologa” dla konkretnego człowieka. To raczej próba wykorzystania danych o rzeczywistych wynikach leczenia do zwiększenia prawdopodobieństwa dobrego pierwszego wyboru.
W praktyce wybór terapeuty jest często oparty na kilku łatwych do sprawdzenia informacjach. Pacjent szuka osoby pracującej z jego problemem, sprawdza nurt terapeutyczny, doświadczenie, lokalizację, cenę oraz dostępność terminów. W większych systemach opieki może zostać po prostu skierowany do specjalisty, który ma najbliższy wolny termin. Taki model jest zrozumiały organizacyjnie, ale pomija jeden istotny element - nie każdy terapeuta osiąga równie dobre rezultaty z każdym typem pacjenta. Specjalizacja mówi, z jakimi problemami terapeuta deklaruje doświadczenie, jednak sama w sobie nie pokazuje jeszcze, jak często jego pacjenci rzeczywiście uzyskują poprawę, jak wielu kontynuuje leczenie ani czy dany specjalista jest szczególnie skuteczny w określonych obszarach trudności.
Badania psychoterapii od dawna wskazują, że osoba terapeuty ma znaczenie dla rezultatów. Najnowszy przegląd systematycznych przeglądów i metaanaliz opublikowany w 2026 roku szacuje, że różnice pomiędzy poszczególnymi terapeutami odpowiadają przeciętnie za około 5-8 proc. zróżnicowania wyników psychoterapii. Nie jest to większość efektu leczenia, ale zdecydowanie wystarczająco dużo, aby wybór terapeuty nie był obojętny. Najbardziej konsekwentne dowody dotyczą przy tym interpersonalnych kompetencji specjalisty, natomiast proste cechy takie jak deklarowana orientacja terapeutyczna czy podstawowe dane demograficzne często nie wyjaśniają dobrze, dlaczego z jednym terapeutą pacjent uzyskuje znaczną poprawę, a z innym znacznie mniejszą.
Nowych danych dostarczyło badanie obejmujące 24 303 osoby korzystające w latach 2021-2024 z dużego programu świadczeń dotyczących zdrowia psychicznego. System dysponował informacjami o ponad 6000 licencjonowanych terapeutów. Po wstępnej ocenie pacjenta algorytm obliczał wynik dopasowania i przedstawiał czterech rekomendowanych specjalistów. Użytkownik nadal sam podejmował decyzję - mógł wybrać jednego z rekomendowanych terapeutów albo przeglądać ogólną listę i znaleźć specjalistę samodzielnie. Naukowcy następnie porównali wyniki osób, które zdecydowały się na terapeutę zaproponowanego przez system, z rezultatami pacjentów wybierających poza rekomendowaną listą.
Najciekawsze jest to, że algorytm nie ograniczał się do sprawdzania deklarowanej specjalizacji. Uwzględniał trzy grupy danych: zdolność terapeuty do utrzymywania pacjentów w leczeniu, jego wcześniejsze wyniki kliniczne oraz zgodność jego specjalizacji z problemami konkretnej osoby. W przypadku pacjenta z depresją znaczenie miało więc między innymi to, jak wyglądała wcześniejsza poprawa objawów depresyjnych u osób leczonych przez danego terapeutę. Była to zasadnicza różnica w stosunku do klasycznej wyszukiwarki specjalistów. Zamiast polegać jedynie na informacji „pracuję z depresją”, system próbował odpowiedzieć na pytanie: „jakie rezultaty osiągali wcześniej pacjenci tego terapeuty?”.
Różnice nie były ogromne, ale okazały się konsekwentne. Pacjenci z depresją korzystający z rekomendowanych terapeutów poprawiali się o około 8,5 proc. szybciej niż osoby, które samodzielnie wybrały specjalistę z ogólnej listy. Mieli także większe prawdopodobieństwo osiągnięcia wiarygodnej klinicznie zmiany. Podobny kierunek wyników zaobserwowano w przypadku lęku oraz PTSD. W całej analizie osoby korzystające z dopasowanych terapeutów częściej osiągały jednocześnie wiarygodną poprawę i poziom uznawany za wyzdrowienie - około 74,1 proc. wobec 66,6 proc. w grupie samodzielnego wyboru.
Autorzy sami podkreślają jednak, że nie mamy do czynienia z rewolucyjnym efektem, który sprawia, że algorytm rozwiązuje problem nieskutecznej psychoterapii. Korzyści określają jako niewielkie, ale stabilne. To bardzo ważne z punktu widzenia interpretacji wyników. Jeśli konkretny pacjent wybierze terapeutę samodzielnie, nadal może osiągnąć znakomity rezultat. Algorytm nie rozpoznaje też z góry całej złożoności relacji, która dopiero powstanie podczas spotkań. Jego potencjalna wartość polega raczej na przesunięciu prawdopodobieństwa - jeśli tysiące osób rozpoczynają terapię, nawet kilkuprocentowa poprawa szans na odpowiedni pierwszy wybór może oznaczać dużą liczbę pacjentów, którzy szybciej uzyskają poprawę i rzadziej będą musieli zaczynać leczenie ponownie z inną osobą.
To jeden z najbardziej interesujących wyników badania. Algorytm uwzględniał zgodność kliniczną, czyli między innymi to, czy specjalista deklarował doświadczenie w obszarze odpowiadającym problemom pacjenta. Jednak kiedy badacze analizowali poszczególne elementy odpowiedzialne za skuteczność rekomendacji, okazało się, że najważniejsze były wcześniejsze rezultaty terapeuty oraz jego zdolność do utrzymywania pacjentów w terapii. Sama zgodność pomiędzy deklarowaną specjalizacją a problemem pacjenta nie wyjaśniała przewagi algorytmicznego dopasowania.
Nie oznacza to oczywiście, że specjalizacja przestaje mieć znaczenie. Osoba z PTSD powinna trafiać do kogoś posiadającego odpowiednie kompetencje, podobnie jak pacjent z zaburzeniami odżywiania wymaga specjalisty przygotowanego do pracy z tym problemem. Badanie sugeruje jednak, że po przejściu podstawowego progu kompetencji warto spojrzeć dalej. Dwóch terapeutów może deklarować dokładnie tę samą specjalizację, ale jeden z nich może historycznie osiągać większą poprawę u pacjentów o określonym profilu albo skuteczniej budować warunki zachęcające ludzi do kontynuowania terapii. W przyszłości wybór specjalisty może więc coraz bardziej przypominać medycynę opartą na wynikach, a coraz mniej katalog, w którym najważniejszym kryterium jest deklarowana lista problemów.
Jednym z najlepiej udokumentowanych czynników związanych z powodzeniem psychoterapii jest przymierze terapeutyczne, czyli jakość współpracy pomiędzy pacjentem a terapeutą. Obejmuje ono między innymi poczucie, że obie strony rozumieją cele terapii, zgadzają się co do sposobu pracy oraz tworzą relację, w której pacjent czuje się wystarczająco bezpiecznie, aby poruszać trudne tematy. Metaanaliza obejmująca 295 niezależnych badań i ponad 30 tys. pacjentów wykazała umiarkowany, stabilny związek pomiędzy jakością przymierza a rezultatami psychoterapii. Zależność pojawia się w różnych nurtach, co pokazuje, że znaczenie ma nie tylko konkretna technika terapeutyczna.
Problem polega na tym, że jakości takiej relacji nie da się w pełni ocenić przed pierwszym spotkaniem. Można przeczytać opis terapeuty, sprawdzić jego kwalifikacje i obejrzeć zdjęcie, ale dopiero podczas rozmowy okazuje się, czy pacjent czuje się rozumiany, czy odpowiada mu sposób zadawania pytań i czy potrafi zaufać tej osobie. Algorytmy próbują częściowo obejść ten problem poprzez wykorzystanie danych pośrednich. W najnowszym badaniu wyższy wynik dopasowania obliczony jeszcze przed rozpoczęciem leczenia był związany z późniejszym silniejszym przymierzem terapeutycznym. Algorytm nie „przewidywał chemii” między dwiema osobami w potocznym znaczeniu, ale dane historyczne pozwalały zwiększyć prawdopodobieństwo, że powstanie dobra współpraca.
Takie podejście było testowane jeszcze przed pojawieniem się najnowszego badania na dużej populacji. W randomizowanym badaniu klinicznym opublikowanym w „JAMA Psychiatry” analizowano 218 pacjentów leczonych przez 48 terapeutów. Naukowcy wykorzystali wcześniejsze rezultaty specjalistów do tworzenia swoistych „kart wyników”. Sprawdzano, w których obszarach poszczególni terapeuci osiągali u swoich pacjentów rezultaty lepsze od oczekiwanych, a w których słabsze. Nowych pacjentów można było następnie kierować do osób, których udokumentowane mocne strony odpowiadały ich najważniejszym problemom.
Pacjenci przydzieleni w ten sposób osiągali większą poprawę w zakresie ogólnych objawów i funkcjonowania, ogólnego cierpienia psychicznego oraz najważniejszego indywidualnego problemu niż osoby przydzielane w zwykły sposób. Ponieważ było to badanie randomizowane, stanowi ono ważne uzupełnienie wielkiego badania z 2026 roku. Nowsza analiza pokazuje, że system można zastosować na skalę dziesiątek tysięcy pacjentów, natomiast wcześniejszy eksperyment dostarczył silniejszych dowodów na to, że samo dopasowanie na podstawie wyników terapeuty może rzeczywiście poprawiać rezultaty. Razem badania wspierają ideę, że psychoterapeuta nie musi być jednakowo skuteczny w każdym obszarze i że wcześniejsze wyniki mogą pomóc lepiej wykorzystać jego mocne strony.
Nie taki model został przetestowany w największym badaniu. Algorytm nie wydawał decyzji „ten terapeuta jest dla ciebie najlepszy i musisz właśnie do niego trafić”. Na podstawie zgromadzonych danych tworzył ranking i przedstawiał kilka wysoko ocenionych możliwości. Pacjent nadal wybierał specjalistę. Takie rozwiązanie jest istotne również dlatego, że część kryteriów ważnych dla pacjenta trudno sprowadzić do wyników klinicznych. Ktoś może preferować terapeutkę zamiast terapeuty, potrzebować spotkań w konkretnych godzinach, chcieć konsultacji stacjonarnych albo poszukiwać osoby komunikującej się w konkretnym języku. Dane nie muszą zastępować takich preferencji - mogą stać się dodatkową warstwą informacji.
Najbardziej realistyczna przyszłość algorytmów dopasowania może więc przypominać system rekomendacyjny, a nie automatyczne kierowanie pacjentem. Po podstawowej kwalifikacji człowiek mógłby otrzymać kilka nazwisk wraz z informacją, że są to specjaliści posiadający odpowiednie kompetencje i dobre wcześniejsze wyniki w pracy z osobami o podobnych problemach. Nadal pozostawałaby możliwość samodzielnego wyboru. Jest to ważne również terapeutycznie, ponieważ poczucie wpływu na decyzję może mieć znaczenie dla zaangażowania w leczenie. Technologia może zatem ograniczać liczbę przypadkowych wyborów bez odbierania pacjentowi prawa do stwierdzenia po pierwszych spotkaniach, że mimo wysokiego „wyniku dopasowania” konkretna relacja po prostu mu nie odpowiada.
Najnowsze badanie jest duże, ale nie było randomizowanym eksperymentem. Pacjenci sami decydowali, czy skorzystają z listy rekomendowanych terapeutów, czy wybiorą kogoś z ogólnej bazy. Możliwe więc, że osoby akceptujące rekomendację algorytmu różniły się pod jakimś względem od tych, które wolały wybrać samodzielnie. Naukowcy zastosowali analizy statystyczne mające ograniczyć wpływ takich różnic, ale badanie obserwacyjne nie pozwala wyeliminować wszystkich potencjalnych zakłóceń. Dodatkowo dane pochodziły z amerykańskiego programu zdrowia psychicznego oferowanego przez pracodawców, więc nie można automatycznie zakładać, że dokładnie takie same rezultaty pojawią się w publicznej ochronie zdrowia albo na polskim rynku prywatnej psychoterapii.
Poważnym wyzwaniem pozostają także same dane. Algorytm może preferować terapeutów mających dużą liczbę wcześniejszych pacjentów, podczas gdy nowy, bardzo dobry specjalista nie posiada jeszcze wystarczającej historii wyników. W badanym systemie próbowano ograniczać ten problem poprzez pozostawianie miejsca w rekomendacjach także dla nowych terapeutów. Trzeba ponadto uważać, aby system nie utrwalał istniejących nierówności. Jeśli pewne grupy pacjentów są słabo reprezentowane w danych, prognozy dotyczące ich leczenia mogą być mniej dokładne. W zdrowiu psychicznym dochodzi jeszcze kwestia wyjątkowo wrażliwych danych - budowanie szczegółowych modeli dopasowania wymaga bardzo wysokich standardów prywatności i jasnych zasad dotyczących tego, kto może wykorzystywać historię leczenia pacjentów.
To coraz bardziej prawdopodobny kierunek, zwłaszcza w dużych systemach, które regularnie mierzą rezultaty leczenia. Aby algorytm mógł wiedzieć, że terapeuta osiąga dobre wyniki u osób z określonym problemem, pacjenci muszą systematycznie wypełniać zwalidowane kwestionariusze, a system musi śledzić ich zmianę w czasie. W tradycyjnej psychoterapii takie dane nie zawsze są gromadzone. Terapeuta może wiedzieć, że wielu pacjentów deklaruje poprawę, ale bez jednolitego pomiaru trudno obiektywnie porównywać rezultaty z wynikami innych specjalistów. Rozwój measurement-based care, czyli opieki opartej na systematycznym mierzeniu efektów, może więc okazać się warunkiem rozwoju bardziej precyzyjnego dopasowania.
Nie oznacza to, że za kilka lat psychologa będzie się wybierało wyłącznie na podstawie procentowego „wyniku skuteczności”. Psychoterapia jest znacznie bardziej złożona. Rezultaty zależą od nasilenia problemów pacjenta, jego sytuacji życiowej, motywacji, rodzaju terapii, współwystępujących zaburzeń i wielu innych czynników. Surowy ranking mógłby nawet niesprawiedliwie karać terapeutów podejmujących się pracy z najtrudniejszymi przypadkami. Algorytmy muszą więc uwzględniać różnice między pacjentami i porównywać rzeczywisty rezultat z wynikiem, jakiego można było oczekiwać przy podobnym poziomie trudności. Najnowsze badania pokazują jednak, że istnieje wartościowa informacja, której dziś często w ogóle nie wykorzystujemy: historia tego, komu dany terapeuta rzeczywiście pomagał.
Na razie byłoby to zbyt daleko idące stwierdzenie. Obecne systemy potrafią raczej zwiększyć prawdopodobieństwo dobrego dopasowania niż przewidzieć z pełną dokładnością, czy dwie konkretne osoby stworzą skuteczną relację terapeutyczną. Największe badanie pokazuje niewielką, lecz konsekwentną przewagę rekomendacji opartych na danych, a wcześniejsze randomizowane badanie potwierdza, że kierowanie pacjentów do terapeutów mających udokumentowane mocne strony może poprawiać wyniki. Jednocześnie współczesne modele nie znają przed pierwszym spotkaniem wielu subtelnych cech, które później okażą się ważne - stylu rozmowy, poczucia bezpieczeństwa, reakcji na trudne emocje czy tego, czy pacjent rzeczywiście czuje się rozumiany.
Najbardziej obiecujące może być więc połączenie danych z ludzką decyzją. Algorytm pomaga ograniczyć pulę kilku tysięcy specjalistów do kilku osób, które statystycznie wydają się dobrymi kandydatami, a pacjent dokonuje ostatecznego wyboru i ocenia relację podczas pierwszych sesji. Jeśli współpraca nie działa, również taka informacja może w przyszłości pomagać w kolejnym dopasowaniu. Psychoterapia może dzięki temu stopniowo przesuwać się od modelu „znajdź kogoś z odpowiednią specjalizacją i zobacz, co się stanie” w kierunku bardziej spersonalizowanej opieki. Algorytm nie zastępuje wtedy psychologa ani intuicji pacjenta. Pomaga jedynie odpowiedzieć na pytanie, którego zwykły katalog specjalistów nie potrafi rozstrzygnąć: który z dostępnych terapeutów ma największą szansę dobrze pomóc właśnie osobie z takim zestawem problemów?
